加权递推平均滤波法

加权递推平均滤波法可以有效抑制噪声并提高数据稳定性。以下是分步实现的详细说明：

---

1. 滤波原理

加权递推平均滤波法通过为不同时刻的数据分配不同的权重，使新数据对结果影响更大，旧数据影响逐渐减小。公式如下：

• (Yn)：滤波后输出
• (Xn-i)：第(n-i)次采样值
• (Wi)：权重系数（通常按时间递减）

---

2. STM32实现步骤

2.1 配置ADC与DMA

// 示例：STM32CubeMX配置
ADC_HandleTypeDef hadc;
DMA_HandleTypeDef hdma_adc;

// 启用ADC连续扫描模式，使用DMA传输数据
HAL_ADC_Start_DMA(&hadc, (uint32_t*)adc_buffer, BUFFER_SIZE);

2.2 定义滤波参数

#define FILTER_WINDOW_SIZE 5  // 滤波窗口大小（N）

// 权重数组（总和建议为1.0，或调整计算时的分母）
static const float weights[FILTER_WINDOW_SIZE] = {0.4, 0.3, 0.2, 0.08, 0.02};

// 历史数据缓冲区
static float history[FILTER_WINDOW_SIZE] = {0};
static uint8_t data_index = 0;  // 当前数据位置

2.3 更新数据并计算滤波值

float WeightedMovingAverage(float new_sample) {
    // 更新历史数据（先进先出）
    history[data_index] = new_sample;
    data_index = (data_index + 1) % FILTER_WINDOW_SIZE;

    // 计算加权和
    float filtered_value = 0;
    for (int i = 0; i < FILTER_WINDOW_SIZE; i++) {
        int idx = (data_index + i) % FILTER_WINDOW_SIZE; // 从旧到新遍历
        filtered_value += history[idx] * weights[i];
    }

    return filtered_value;  // 假设权重总和为1，否则需除以总和
}

2.4 主循环或中断中调用

float adc_value, result;

// 在DMA完成中断或主循环中读取ADC值
void HAL_ADC_ConvCpltCallback(ADC_HandleTypeDef* hadc) {
    adc_value = adc_buffer[0];  // 假设单通道采样
    result = WeightedMovingAverage(adc_value);
}

---

3. 优化建议

1. 定点数优化：若无FPU，改用整数运算（如将权重放大1000倍）。

   const int32_t weights[5] = {400, 300, 200, 80, 20}; // 0.4, 0.3, 0.2...
   int32_t filtered_value = 0;
   filtered_value += history[idx] * weights[i]; // 结果需除以1000
   

2. 循环缓冲区索引：使用位掩码代替取模运算（窗口大小为2的幂时）。

   #define FILTER_WINDOW_SIZE 4  // 必须是2^n
   #define BUFFER_MASK (FILTER_WINDOW_SIZE - 1)
   data_index = (data_index + 1) & BUFFER_MASK;
   

3. 实时性保障：确保单次滤波计算时间小于采样间隔。

---

4. 权重选择示例

• 快速响应：{0.6, 0.3, 0.1}
• 强平滑：{0.25, 0.25, 0.25, 0.25}
• 指数衰减：通过公式生成权重，如
  -

5. 测试与调试

1. 静态测试：输入模拟数据（如阶跃信号），观察滤波后响应。
2. 动态测试：通过PWM生成模拟传感器信号，验证实时性。
3. 调整参数：根据噪声频率和系统响应需求优化窗口大小和权重。

---

通过上述步骤，您可以在STM32上高效实现加权递推平均滤波，显著提升数据采集质量。